استفاده از فرکانس گام در بازشناسی گفتار با حالت در زبان فارسی

اختصاصی از حامی فایل استفاده از فرکانس گام در بازشناسی گفتار با حالت در زبان فارسی دانلود با لینک مستقیم و پر سرعت .

چکیده

یکی از اهداف مهم سیستم های بازشناسی گفتار، شناسایی گفتار در حالت های مختلف گفتاری است. اعمال حالت و یا تأکید به گفتار، سبب تغییرات زیادی در پارامترهای گفتاری شده و شناسایی آن را با استفاده از مدل های عادی مشکل می سازد. کاهش نرخ بازشناسی نتیجه طبیعی بازشناسی گفتار با حالت با استفاده از مدل های عادی است. اولین قدم در بازشناسی گفتار با حالت، بررسی نحوه تأثیر حالت گفتار بر پارامترهای مهم گفتاری می باشد. به عبارت دیگر اتخاذ روشی مناسب برای بازشناسی، مستلزم شناسایی درست نحوه تأثیر حالت گفتار بر پارامترهای گفتار است. از مهم ترین پارامترهای مطرح برای گفتار در زبان فارسی، می توان فرکانس گام را نام برد. در این تحقیق بررسی دقیقی بر روی نحوه تأثیر چند حالت گفتاری بر فرکانس گام و شیب آن برای واج های واکدار مختلف در زبان فارسی صورت گرفته است.

مقدمه

مساله بازشناسی گفتار موضوعی است که در دهه های اخیر توجه به آن افزایش یافته و آن را به یک موضوع مهم روز تبدیل نموده است. یکی از دلایلی که منجر به این امر شده است، مساله تسهیل ارتباط انسان با رایانه می باشد.

با گسترش فن آوری و وارد شدن پردازشگرهای شخصی در زوایای زندگی فردی و اجتماعی مردم، مساله ساده تر کردن ارتباط با رایانه، روز به روز اهمیت بیشتری می یابد. متخصصین نگران آن هستند که با روند افزایش حجم اطلاعات که بین انسان و رایانه رد و بدل می شود زمانی فرا برسد که وسایل موجود ارتباطی از قبیل صفحه کلید؛ موشواره که نیاز به حرکات فیزیکی و مداوم دارند. خستگی روحی و جسمی زیادی را به افراد تحمیل نمایند. به همین جهت دنبال این هستند تا امکاناتی را فراهم سازند که انسان توسط گفتار، فرامین و اطلاعات مورد نظر خود را به رایانه منتقل سازد.

طی این سال ها تلاش زیادی جهت بهبود کارآیی بازشناسی گفتار صورت گرفت، اما با توجه به عوامل زیادی که در این روند موثر هستند، همواره عملیات بازشناسی با خطا روبرو بوده است.

هر زبان از مجموعه ای از صداهای مختلف تشکیل شده است که به هرکدام از این اصوات یک واج گفته می شود. ترکیب واج ها سیلاب یا هجاء را تشکیل می دهد و از ترکیب چند هجاء لغات به وجود می آیند. هر واج را می توان به صورت یک الگوی مشخص در دستگاه اسپکتروگرام مشخص کرد. علاوه بر این گفتار انسان از نوسانات صوتی حنجره (تارهای صوتی) ایجاد می شود که این تارها، خصوصیات غیر خطی دارند و عوامل مختلفی در آن تاثیر گذارند. همچنین محیطی که افراد در آن صحبت می کنند نیز مساله را پیچیده تر می نمایند.

در زمینه شناسایی کلام (فارسی یا غیرفارسی) پروژه های زیادی ارائه شده است، اما اکثر این سیستم ها براساس تبدیل سیگنال های صحبت به واج ها و سیلاب های تشکیل دهنده کلمات کار می کنند. اما این تبدیل احتیاج به زبان شناسی نسبتا دقیقی برای بازشناسی واج ها، آواها و… دارد و در انجام این کار و شکستن زبان به مجموعه واج ها اختلافات زیادی است لذا در برخی موارد بحث بازشناسی گفتار براساس کلمه مطرح می شود که در این رسانه نیز از آن استفاده شده است.

کار بازشناسی گفتار به طور کلی می تواند به 3 پردازش تقسیم شود: پیش پردازش، فشرده سازی، دسته بندی.

– در فصل اول این پروژه با مقدمات گفتار و پردازش آن و عوامل موثر در بازشناسی گفتار و روش های پردازش گفتار آشنا می شویم و مروری بر کارهای انجام شده و وضعیت اکنون نموده و تعدادی از سیستم های موجود را بررسی می نماییم.

– در فصل دوم نیز، مقدمه ای از توصیف مدل مخفی مارکوف (HMM) ارائه گردیده است.

– در فصل سوم به معرفی ابزارهای بازشناسی گفتار (HTK) پرداخته ایم و تعدادی از دستورها که در این رساله مورد استفاده قرار گرفته است را مورد بررسی قرار داده ایم.

– در فصل چهارم نیز در برگیرنده روش کاری و بررسی آماری فرکانس گام در حالت های مختلف گفتاری می باشد.

– در فصل پنجم، بازشناسی گفتار با حالت و ارائه یک مدل جدید بازشناسی را شامل می شود.

تعداد صفحه : 239

بررسی روش های تعیین محدوده واکه ها در سیگنال گفتار پیوسته

اختصاصی از حامی فایل بررسی روش های تعیین محدوده واکه ها در سیگنال گفتار پیوسته دانلود با لینک مستقیم و پر سرعت .

چکیده:

به طور کلی امروزه سیستمهای شناسایی اجزاء جمله به دلیل کاربردهای فراوانی که دارند، بسیار مورد توجه قرار گرفته اند و تعداد زیادی از محققین در این زمینه مشغول به فعالیت می باشند. از جمله این کاربردها می توان کمک به نابینایان، کمک به ناشنوایان، سیستمهای شناسایی اشخاص، آموزش زبان و… را اشاره نمود، حال ممکن است این سئوال مطرح شود که چرا هدف ما در این تحقیق شناسایی واکه هاست. در پاسخ به این پرسش باید گفت که بخش اعظم یک هجا را واکه ها تشکیل داده اند. بنابراین شناسایی واکه ها مهمترین مرحله شناسایی اجزاء جمله می باشد و حصول به این مقصود، راه را بسیار هموار می سازد. این تحقیق بر روی آشکارسازی محل واکه ها تاکید دارد و روشی برای جداسازی واکه ها بر اساس تبدیلات ویولت بیان می کند. در فصل اول کلیاتی راجع به این هدف مشاهده میکنید، در فصل دوم با مفاهیم اولیه این بحث آشنایی پیدا میکنیم سپس در فصل سوم ویولت و روابط آن مورد بررسی قرار می گیرد و در نهایت در فصل چهارم الگوریتمها وروشهای ارائه شده بررسی میشود.

مقدمه:

از قدیم که انسان زبانهایی را برای گفتار اختراع کرد گفتار مستقیم ترین راه برای انسان برای رساندن اطلاعات به دیگری بوده است. تاکنون ارتباط با استفاده از گفتار معمول ترین روش در شبکه های ارتباطی بوده است. سیگنال گفتار هم اکنون در بین تکنولوژی های واسط همانند تلفن، فیلم رادیو، تلویزیون و اینترنت گسترش یافته است. از اینرو نوشته های بسیاری در زمینه پردازش سیگنال گفتار پیشنهاد شده است و الگوریتمهای زیادی مربوط به آنها ارائه شده است. بهرحال با توجه به طبیعت متغیر با زمان سیستم تولید گفتار انسان، صحت و توانایی سیستم همچنان به عنوان مشکلی در زمینه پردازش سیگنال گفتار باقی مانده است. اخیراً محققان دریافته اند که تبدیلات ویولت پتانسیل زیادی برای پردازش سیگنال گفتار دارند. همچنین بسیاری از گزارشات چاپ شده نشان داده اند که تبدیلات ویولت امکان نزدیک شدن به کاربردهای بسیار گفتار را فراهم می سازد. یکی از انگیزه های این تحقیق کار بر روی پردازش سیگنال گفتار وتبدیل ویولت و بررسی روشها وراهکارهای موجود جهت تعیین محل واکه ها میباشد.

تعداد صفحه :78

فهرست مطالب:

چکیده 1
مقدمه 2
فصل اول: کلیات 3
1-1 ) هدف 4
2-1 ) پیشینه تحقیق 5
3-1 ) روش کار و تحقیق 5
فصل دوم: گذری بر مفاهیم اولیه 7
1-2 ) دستگاه گویش انسان و مدل تولید گفتار 8
2-2 ) آواهای زبان فارسی 11
1-2-2 ) آواهای واکدار و آواهای بیواک 11
2-2-2 ) همخوان و واکه 12
3-2-2 ) واج و واجگونه 14
4-2-2 ) هجا در زبان فارسی 15
3-2 ) مشخصه های نوای گفتاری 15
1-3-2 ) زیر و بمی 15
2-3-2 ) کشش 16
3-3-2 ) شدت 16
فصل سوم: مروری بر تبدیل ویولت 17
1-3 ) کاربرد 18
1-1-3 ) استخراج مشخصه های گفتار 18
2-1-3 ) کدکردن گفتار 18
3-1-3 ) تولید گفتار 19
4-1-3 ) شناسایی و تشخیص گوینده 19
5-1-3 ) بازشناسی گفتار 19
6-1-3 ) بهبود گفتار 20
2-3 ) ساختار پردازش سیگنال گفتار با استفاده از ویولت 20
3-3 ) تاریخچه ویولت 21
22 1-3-3 ) پیشرفتهای قبل از 1930
23 2-3-3 ) پیشرفت در دهه 1930
23 1930- 3-3-3 ) پیشرفتها بین سالهای 1980
24 4-3-3 ) پیشرفتها در اواخر دهه 1980
4-3 ) تئوری های ویولت 24
1-4-3 ) توضیحی بر ویولت 24
2-4-3 ) آنالیز ویولت های با چندین قدرت تفکیک 30
3-4-3 ) تبدیل ویولت پیوسته و گسسته 34
1-3-4-3 ) تبدیل ویولت پیوسته 34
2-3-4-3 ) تبدیل ویولت گسسته 36
4-4-3 ) مقایسه ویولت و تبدیلات فوریه 40
5-3 ) پیاده سازی تبدیل ویولت 45
1-5-3 ) پیاده سازی تبدیل ویولت با استفاده از بانک فیلتری 45
1-1-5-3 ) آنالیز بانک فیلتری برای تبدیل ویولت مستقیم 46
2-1-5-3 ) سنتز بانکهای فیلتری برای تبدیل ویولت معکوس 50
51 lifting 2-5-3 ) پیاده سازی تبدیلات ویولت با استفاده از
فصل چهارم: بررسی روش های ارائه شده ونتیجه گیری 54
1-4 ) مقایسه روشها 55
2-4 ) بررسی روش های ارائه شده بر اساس تبدیل ویولت 56
فصل پنجم: نتیجه گیری و پیشنهادات 60
نتیجه گیری 61
پیشنهادات 62

تعیین محدوده واکه ها در سیگنال گفتار پیوسته

اختصاصی از حامی فایل تعیین محدوده واکه ها در سیگنال گفتار پیوسته دانلود با لینک مستقیم و پر سرعت .

چکیده:

به طور کلی امروزه سیستم های شناسایی اجزاء جمله به دلیل کاربردهای فراوانی که دارند، بسیار مورد توجه قرار گرفته اند و تعداد زیادی از محققین در این زمینه مشغول به فعالیت می باشند. از جمله این کاربردها می توان کمک به نابینایان، کمک به ناشنوایان، سیستمهای شناسایی اشخاص، آموزش زبان و… را اشاره نمود. حال ممکن است این سئوال مطرح شود که چرا هدف ما در این پروژه شناسایی واکه هاست. در پاسخ به این پرسش باید گفت که از نظر انرژی و دامنه بخش اعظم یک هجا را واکه ها تشکیل داده اند، بنابراین شناسایی واکه ها مهمترین مرحله شناسایی اجزاء جمله می باشد و حصول به این مقصود، راه را بسیار هموار می سازد.

این پایان نامه بر روی آشکارسازی محل واکه ها تاکید دارد و روشی برای قطعه بندی سیگنال ورودی بر اساس تعیین محل رخدادها ارائه میکند. برای تعیین مرز این رویدادها از سه روش تعیین کردن تغییرات وابستگی طیفی سیگنال در دوره های کوتاه زمانی، تغییرات مشخصات آکوستیکی و تغییرات دامنه و فرکانس فرمنتها بطور همزمان استفاده شده است و تمامی مکانهای تعیین شده توسط هر یک، مبین وقوع یک رویداد میباشد سپس برای هر قطعه نرخ عبور از صفر، نسبت مجموع ضرایب فوریه برای هر بانک ایجاد شده در طیف فوریه و نسبت انرژی هر قطعه به قطعه قبل و بعد آن قطعه را بدست می آوریم و با اعمال آنها به شبکه عصبی FUZZY ARTmap مرز واکه ها تعیین می گردد.

مقدمه:

از قدیم که انسان زبانهایی را برای گفتار اختراع کرد گفتار مستقیم ترین راه برای انسان برای رساندن اطلاعات به دیگری بوده است. تاکنون ارتباط با استفاده از گفتار معمول ترین روش در شبکه های ارتباطی بوده است. سیگنال گفتار هم اکنون در بین تکنولوژی های واسط همانند تلفن، فیلم رادیو، تلویزیون و اینترنت گسترش یافته است. از اینرو نوشته های بسیاری در زمینه پردازش سیگنال گفتار پیشنهاد شده است و الگوریتمهای زیادی مربوط به آنها ارائه شده است. بهرحال با توجه به طبیعت متغیر با زمان سیستم تولید گفتار انسان، صحت و توانایی سیستم همچنان به عنوان مشکلی در زمینه پردازش سیگنال گفتار باقی مانده است. با توجه به کاربردهای فراوان قطعه بندی گفتار و تعیین محل واکه و همخوان، روشهای گونانی برای این منظور ارائه شده است. هدف از این تحقیق ارائه روشی با استفاده از نتایج و تجربیات صورت گرفته در تحقیقات گذشته برای معرفی مدلی با دقت و سرعت بالا در تعیین محل واکه ها میباشد.

در فصل اول کلیاتی راجع به این هدف مشاهده میکنید، در فصل دوم با مفاهیم اولیه این بحث آشنایی پیدا میکنیم سپس در فصل سوم شبکه عصبی و روابط آن مورد بررسی قرار میگیرد، در فصل چهارم در مورد مراحل کار توضیح داده میشود و در نهایت در فصل پنجم نتایج بدست آمده مورد بررسی قرار می گیرد.

فصل اول: کلیات

1-1) هدف

از زمان اختراع تلفن توسط الکساندر گراهام بل در سال 1875 با پردازش سیگنال گفتار به عنوان یک هدف مهندسی رفتار شده است که به علت تکنیکهای اطلاعاتی توسعه زیادی یافته است. بخصوص توسعه سریع مدارات VLSI و کامپیوترهای شخصی باعث پشرفت چشمگیر پردازش سیگنال شده است. بطورکلی تحقیقات در حوزه پردازش سیگنال گفتار به 6 دسته تقسیم می شود.

1- انتقال و ذخیره گفتار

2- سیستم های تولید گفتار

3- شناسایی و تشخیص گوینده

4- سیستم های بازشناسی گفتار

5- خدمات به معلولان

6- بهبود و ارتقاء کیفیت سیگنال گفتار

2-1) پیشینه تحقیق

کارهای بسیاری بر روی پردازش سیگنال گفتار انجام شده است اما درستی و توانایی سیستم پردازش سیگنال گفتار همچنان دارای مشکلاتی است. اصلی ترین دلیل این مشکل آن است که سیستم تولید گفتار انسان متغیر با زمان  است و سیگنال طبیعی یک فرآیند متغیر است.

3-1) روش کار و تحقیق

در این تحقیق سعی بر آن داریم تا روشی را برای تعیین محل و نوع واکه ها ارائه دهیم. با استفاده از روش توضیح داده شده در فصل دوم سیگنالهای ورودی گفتار را به کمک تعیین محل رخدادها قطعه بندی کرده و سپس برای هر قطعه نرخ عبور از صفر، نسبت مجموع ضرایب فوریه برای هر بانک ایجاد شده در طیف فوریه و نسبت انرژی هر قطعه به قطعه قبل و بعد آن قطعه را بعنوان ورودی به شبکه عصبی اعمال می نماییم.

تعداد صفحه : 82

فهرست مطالب:
چکیده 1
مقدمه 2
فصل اول: کلیات 3
1-1 ) هدف 4
2-1 ) پیشینه تحقیق 4
3-1 ) روش کار و تحقیق 4
4-1 ) دستگاه گویش انسان ومدل تولید گفتار 5
5-1 ) آواهای زبان فارسی 8
1-5-1 ) آواهای واکدار و آواهای بیواک 9
2-5-1 ) همخوان و واکه 9
3-5-1 ) واج و واجگونه 11
4-5-1 ) هجا در زبان فارسی 11
6-1 ) مشخصه های نوای گفتاری 12
1-6-1 ) زیر و بمی 12
2-6-1 )کشش 13
3-6-1 ) شدت 13
فصل دوم : تقطیع سیگنال گفتار در سطوح مختلف جمله 14
1) مقدمه 15 -2
2) تشخیص قطعات سکوت، واکدار و بیواک 15 -2
3) تعیین فرکانس فرمنت و گام 20 -2
4) قطعه بندی رویدادها 22 -2
1-4 ) قطعه بندی بر اساس تغییرات وابستگی طیفی 23 -2
2) قطعه بندی بر اساس تغییرات آکوستیکی 24 -4-2
3) قطعه بندی بر اساس تغییرات دامنه و فرکانس فرمنت ها 34 -4 -2
5) تعیین مرزهای اصوات انفجاری غیر واکدار 35 –2
فصل سوم: شبکه عصبی 37
1-3 ) مقدمه 38
2-3 ) ساختار مغز انسان 38
3-3 ) شبکه عصبی چیست؟ 39
4-3 ) نحوه یادگیری در مغز 40
5-3 ) معرفی مدل ریاضی نرون ساده خطی 40
6-3 ) انواع شبکه های عصبی مصنوعی از نظر برگشت پذیری 43
1-6-3 ) شبکه های پیش خور 43
2-6-3 ) شبکه های پسخور برگشتی 44
7-3 ) یادگیری در نرون 45
1-7-3 ) یادگیری نظارت شده 45
2-7-3 ) یادگیری نظارت نشده 45
3-7-3 ) یادگیری تقویتی 46
8-3 ) شبکه های پرسپترون چند لایه 46
9-3 ) گره ها و لایه های مورد نیاز 48
10-3 ) پس انتشار 48
50 ART 11-3 ) شبکه عصبی
54 Fuzzy ARTmap 12-3 ) شبکه عصبی
فصل چهارم: پیاده سازی روش 58
1-4 ) مقدمه 59
2-4 ) بررسی روش های ارائه شده 59
3-4 ) روش کار 60
فصل پنجم: نتیجه گیری و پیشنهادات 63
نتیجه گیری 64
پیشنهادات 65

منابع و ماخذ
فهرست منابع فارسی 66
فهرست منابع لاتین 67
چکیده انگلیسی 70

بررسی مدل های هایبرید ANN/HMM و Fuzzy HMM در بازشناسی گفتار اتوماتیک ASR

اختصاصی از حامی فایل بررسی مدل های هایبرید ANN/HMM و Fuzzy HMM در بازشناسی گفتار اتوماتیک ASR دانلود با لینک مستقیم و پر سرعت .

چکیده

علیرغم پیشرفت های صورت گرفته در دهه های اخیر، بازشناسی گفتار خودکار (ASR) کماکان عملیات دشوار و پرچالشی است. به طور خاص سیستم های بازشناسی مبتنی بر مدل های مارکف مخفی (HMM)، تحت شرایط مختلف کارایی خوبی دارند، ولی با موانعی روبرو هستند که قابلیت های آنها را در بازشناسی، در محیط دنیای واقعی محدود می سازد. برای غلبه بر این مشکل شبکه های عصبی مصنوعی (ANNs)، به عنوان یک جایگزین در ASR به کار گرفته شدند، ولی این شبکه ها در مواجهه با سیگنال های گفتار با دنباله زمانی طولانی، موفقیت چندانی نداشته و نتوانستند به تنهایی نظر محققین را جلب نمایند.

 

 

فرمت PDF

تعداد صفحات 82

ارتقای فشرده سازی سیگنال گفتار با استفاده از چندی کننده های برداری عصبی

اختصاصی از حامی فایل ارتقای فشرده سازی سیگنال گفتار با استفاده از چندی کننده های برداری عصبی دانلود با لینک مستقیم و پر سرعت .

چکیده . ..................................................................................................................................................................................... 1
مقدمه....................................................................................................................................................................................... 2
فصل اول : کلیات .....................................................................................................................................................................
1) هدف . ..................................................................................................................................................................... 4 -1
2) پیشینه تحقیق ...................................................................................................................................................... 5 -1
3) روش کار و تحقیق ................................................................................................................................................ 5 -1
فصل دوم : تولید گفتار و کدکننده های گفتار مبتنی بر پیشبینی خطی . ...............................................................
1-2 ) تولید گفتار ............................................................................................................................................................ 8
2-2 ) چندیسازی ........................................................................................................................................................ 13
3-2 ) چندیسازی برداری ............................................................................................................................................ 14
4-2 ) کدکنندههای گفتار ............................................................................................................................................. 17
1) دستهبندی عمومی کدکنندههای گفتار ..................................................................................... ١٨ -4-2
2) وکودرها .......................................................................................................................... ١٩ -4-2
5-2 ) تحلیل براساس پیش بینی خطی ........................................................................................................................ 19
٢١.......................................................................................................... LPC 1) محاسبه ضرایب -5-2
٢٣.......................................................................................... LSP به ضرایب LPC 2) تبدیل ضرایب -5-2
.................................................................................................................... . LPC- فصل سوم: معرفی کدکننده گفتار 10
ز
1) دستهبندی کدکنندههای گفتار .......................................................................................................................... 27 -3
27 .......................................................................................................................... LPC- 2) ویژگیهای کدکننده 10 -3
31 ................................................................................................................................. LPC 3) چندیکردن برداری -3
31 ................................................................................................... LPC- 4) روش کد کردن و تخصیص بیت در 10 -3
33 .......................................................................................................... LPC- 5) محاسبه پارامترهای کدکننده 10 -3
1) روش ضرایب خودهمبستگی .................................................................................................. ٣٣ -5-3
2) روش کوواریانس ................................................................................................................ ٣٥ -5-3
فصل چهارم : شبکههای عصبی رقابتی با قابلیت خود سازماندهی ...............................................................................
1) شبکههای عصبی مصنوعی . ................................................................................................................................ 39 -4
2) شبکههای عصبی رقابتی ..................................................................................................................................... 41 -4
3) آموزش رقابتی .................................................................................................................................................... 42 -4
1) خوشهبندی ...................................................................................................................... ٤٢ -3-4
٤٤............................................................ (SOM) 2) الگوریتم یادگیری الگوهای با قابلیت خودسازماندهی -3-4
4) شبکه عصبی کوهنن .......................................................................................................................................... 45 -4
48............................................................................................................. ARTMAP و ART 5) شبکههای عصبی -4
٤٨................................................................................................................ ART 1) الگوریتم 1 -5-4
55 .................................................................................................................................... Fuzzy ART 6) الگوریتم -4
59 .................................................................................................................. (LVQ) 7) چندیسازی بردار یادگیری -4
فصل پنجم: شبیهسازی و نتایج تجربی ...............................................................................................................................
1-5 ) روش بهبود کدکننده گفتار ................................................................................................................................ 62
2-5 ) مدل پیشنهادی .................................................................................................................................................. 63
3-5 ) شبیهسازی و نتایج تجربی ................................................................................................................................ 67
ح
4-5 ) اندازهگیری کیفیت گفتارهای بازسازی شده و مقایسه زمان کدکردن گفتار ................................................. 75
5-5 ) فلوچارت برنامه شبیهسازی ............................................................................................................................ 78
فصل ششم: نتیجهگیری و پیشنهادات .......................................................................................................................... 81
1) نتیجهگیری .......................................................................................................................................................... 81 -6
2) پیشنهادات ........................................................................................................................................................ 83 -6
خذ . ...................................................................................................................................................................... 84 Ĥ منابع و م
فهرست منابع فارسی ................................................................................................................................................... 84
فهرست منابع لاتین .................................................................................................................................................... 85
سایتهای اطلاعرسانی .............................................................................................................................................. 88
چکیده انگلیسی